国际冲突作为人类社会最具破坏性的行为之一，向来是国际关系研究的核心问题。然而，近年来冲突形态、诱因和影响因素正发生深刻变化，从传统的国家间战争转向更为复杂的国内冲突、混合战争和跨国化暴力。加之气候变化、大国战略竞争、技术革新等因素交织，催生新的冲突场景与研究难题。这为冲突理论的发展提供了新的动力，表现为冲突研究的新理论、新元素和新方法。
冲突研究的新理论
一是动态联盟和平假说。该理论对传统民主和平论提出了挑战，主张和平或冲突的发生更多取决于国家在联盟网络中的动态位置，而非单一的制度类型。不同民主国家群体在不同时期可能展现出截然不同的冲突行为，关键在于它们是否隶属于同一联盟集团。当国家从一个联盟集团转向另一集团时，其对前盟友的态度往往趋于敌对，从而显著提升冲突爆发的可能性。这表明即便在“民主共同体”内部，战争风险依然存在。它将联盟视为不断扩张、解体与重组的动态过程，强调联盟结构变迁对国际稳定的深远影响。同时，处于多个联盟交叉节点的国家往往拥有更大的干预能力和动机，更容易介入或引发冲突。
二是数字升级风险理论。该理论框架基于实验证据，指出大语言模型在模拟军事或外交决策时倾向于采取升级策略，即使情境设计为中立或追求和平亦是如此。这一现象可能源于训练数据中的偏见、奖励函数设计或模型对冲突的误解。数字升级风险理论强调，在算法参与或辅助决策的场景中，应特别关注模型的“升级倾向”及其可能引发的误判。此外，数字升级风险还包括社交媒体算法和广告推送系统，根据用户互动偏好推送更多极端内容，加剧社会两极化，从而提高暴力事件发生的可能性。深度伪造技术也使虚假信息传播成本下降，使敌对国家可以通过信息战制造恐慌进而诱发冲突。
三是多重危机交互模型。冲突向来不是由单一因素所决定，当代世界面临的气候危机、全球公共卫生问题、经济动荡和政治极化等多重挑战相互交织，产生对冲突影响的叠加效应。多重危机交互模型试图通过模拟不同危机之间的反馈回路，揭示其对暴力冲突的综合效应。基于系统动力学的研究显示，危机互动具有明显的非线性特征。当多项危机同时爆发时，其影响不仅是简单的加总效应，而是可能呈现倍增或链式放大的结果。因此，危机交互情境下的冲突预防和管理需要更强的多边协调与制度性约束。
四是灾害机会理论。既有的冲突理论多关注“时机”的作用，新的研究则发现自然灾害同样可以成为改变冲突格局的催化剂。灾害不仅是外部冲击，还会重塑交战双方的力量对比。人员损失、资源毁坏或国际援助的介入，均可能在短期内显著改变一方的相对实力。当灾害提升某一方的相对实力时，冲突往往出现升级趋势。相反，若灾害削弱一方且对手缺乏迅速利用这一弱点的能力，冲突则可能迎来停火或缓和的窗口。该理论由此强调，战争中的“时机”往往比绝对实力更具决定性意义，并提示研究者应将灾害事件纳入冲突动态分析之中，以更全面理解危机升级或缓和的条件。
冲突研究的新元素
第一，突出关系网络的独立作用。国际冲突的理论研究表明，仅依赖制度类型或经济指标来预测和平与战争，难以解释冲突模式的动态性。冲突理论亟须将关系网络的演变纳入分析框架，深入考察联盟扩张、退出和重组等关系因素如何重塑战略平衡。同时，关系网络不仅存在于国家间互动层面，还嵌入国内政治和非国家行为体的动态之中。政党轮替、社会运动和跨国企业等，都可能通过影响国家外交政策来重塑联盟关系。同时，网络分析方法与贝叶斯推断等统计工具的结合，使研究者能够更精确地估计国家在不同集团间转换的概率，揭示长期和平、周期性战争等宏观现象背后的机制。
第二，关注时间因素。传统冲突理论中，时间的作用常被“贴现率”概念所掩盖。经典的权力转移理论认为，崛起国家在接近或超过霸权国时最有可能引发战争，但这一解释难以捕捉国际冲突中的“窗口效应”。近年来的研究表明，相对实力不仅源自长期的经济和军事积累，还会受到突发性事件的干扰。例如，重大气候灾害等外部冲击可在短期内改变交战双方的资源禀赋与士气，从而影响冲突走向。更为重要的是，宏观权力转移与短期机会往往叠加放大冲突风险。此外，时间因素还贯穿于国内政治周期之中。政府更替可能改变国家对冲突的耐心和容忍度。因此，将长期趋势与短期事件有机整合，不仅有助于解释为何类似的实力水平在不同环境下会导向不同的选择，也为理解部分国家的冒险行为提供了更加精细的分析工具。
三是技术因素。技术革命深刻改变了信息传播和认知方式，也在塑造战争的动员逻辑与决策过程。一方面，大数据分析与视觉智能技术为监测冲突强度、识别潜在风险提供了重要工具，也揭示了战争影像叙事如何影响公众认知和政策偏好。另一方面，大语言模型等人工智能技术已被用于模拟外交与军事决策，其应用虽然带来效率提升，但也可能在高不确定性环境下引发误判或意外升级。与此同时，信息传播技术的扩散进一步催生了假新闻、深度伪造等新型战术手段，这类手段能够快速制造恐慌、煽动仇恨、加剧社会极化，进而削弱理性对话空间和冲突缓解能力。
冲突研究的新方法
首先是机器学习与大数据。遥感、社交媒体和开源数据库的普及使冲突研究进入“大数据”时代。机器学习能够在海量非结构化数据中识别模式，开展冲突预警与因果推断。例如，计算机视觉模型可从社交媒体图像中识别武器种类并推测战争烈度，决策树模型与随机森林模型被用于预测地区暴力事件风险，气候与冲突研究则借助机器学习揭示温度上升、极端降水与战争风险之间的非线性关系。然而，这类方法也面临局限性，如数据质量导致的模型偏差、因果推断的乏力等。
其次是网络分析与系统建模。网络分析将战争视为一种结构性过程，通过各类网络指标描绘冲突与合作的关系。例如，粮食贸易网络研究显示，自2022年第三季度起，粮食网络的连边数、密度和效率显著下降，反映出俄乌冲突对全球粮食供应链的破坏。系统建模则通过方程或模拟来刻画冲突要素间的动态互动，呈现冲突的关系属性。系统动力学模型可将人口结构、经济压力与社会不满纳入反馈回路，用以解释冲突长期化的原因。代理基础模型则通过模拟个体或群体决策，检验不同政策情境对冲突路径的潜在影响。网络分析与系统建模相结合能够揭示复杂系统的非线性和突变原因，并帮助识别政策干预的敏感节点。
最后是认知科学与决策研究。传统冲突理论在揭示决策者心理机制与认知偏差时长期面临方法论困境，难以深入刻画复杂的心理过程及其对冲突行为的深层影响。近年来，心理学与认知科学的引入显著丰富了冲突研究的微观基础，揭示决策者在不确定条件下易受到一系列系统性偏差制约，如损失规避、过度自信、镜像判断以及情绪驱动的风险偏好等。与此同时，人工智能与自动化系统日益渗透到战略决策过程中，使决策偏差问题进一步复杂化。一方面，人工智能能够处理海量信息并模拟多种情境，从而在信息获取与方案生成上显著提升决策效率，部分缓解人类认知局限。另一方面，算法偏差与“黑箱化”特征可能叠加甚至放大原有的人类认知偏差，不仅可能加剧安全困境，还可能在危机管理和冲突升级中导致新的误判。
董柞壮（南开大学周恩来政府管理学院副教授）
